ເອກະສານ API
ລວມເອົາ Speech to Speech AI ເຂົ້າໃນການ ປະຕິບັດງານຂອງທ່ານດ້ວຍ REST API ທີ່ງ່າຍດາຍ.
ເລີ່ມຕົ້ນໄວ
ເລີ່ມຕົ້ນກັບ Speech to Speech AI API ໃນພາຍໃຕ້5ນາທີ.
URL ພື້ນຖານ
https://api.speechtospeechai.com/v1
1. ເລີ່ມວຽກ
ເຄື່ອງມືທຸກຢ່າງແມ່ນ POST ດ້ວຍກູບ API ຂອງທ່ານ. ຄໍາຕອບແມ່ນຕົວເລກວຽກ, ບໍ່ແມ່ນສຽງ.
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "text=Hello! Welcome to Speech to Speech AI." \
-F "model=kokoro" \
-F "voice_id=af_heart" \
-F "format=mp3"
{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. ເລືອກເອົາຜົນການກວດສອບ
ຖາມວຽກທຸກໆ ສອງສາມ ວິນາທີ ຈົນໄປຮອດ ສະຖານະທີ່ສຳເລັດ, ຫຼັງຈາກນັ້ນ ດາວໂຫລດ result_ url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
ການផ្ទៀងផ្ទាត់ຄວາມຖືກຕ້ອງ
ຄໍາຮ້ອງຂໍ API ທັງໝົດຕ້ອງການການຢັ້ງຢືນຜ່ານກ່ອງ API ໃນ Authorization ຫົວຂໍ້
Authorization: Bearer YOUR_API_KEY
ສຽງແບບຄລາສສິກ
/v1/voice-clone/
ເວົ້າຂໍ້ຄວາມໃນສຽງຂອງການບັນທຶກການອ້າງອີງສັ້ນໆ
ຕົວຮ້ອງຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
| ຕົວເລືອກ | ປະເພດ | ຕ້ອງການ | ຄໍາອະທິບາຍ |
|---|---|---|---|
reference_audio |
file | ແມ່ນ | ການບັນທຶກສຽງທີ່ຈະຖ່າຍທອດ (ແນະນຳ 10-30 ວິນາທີ, ສູງສຸດ 60) |
text |
string | ແມ່ນ | ຂໍ້ຄວາມທີ່ຈະເວົ້າດ້ວຍສຽງນັ້ນ |
model |
string | ບໍ່ໄດ້ | chatterbox, openvoice, tortoise ຫຼື gpt-sovits |
language |
string | ບໍ່ໄດ້ | ລະຫັດພາສາ (ຕົວອ້າງອີງ: en) |
ຕອບໂຕ້
ລະຫັດຕົວຕົນວຽກ (uuid). ສອບຖາມ GET /v1/speech/results/?uuid= ຈົນກວ່າສະຖານະຈະສຳເລັດ ແລະ ດາວໂຫລດ result_url.
ຂໍ້ຄວາມເປັນການເວົ້າ
/v1/tts/
Convert text to speech audio.
ຕົວຮ້ອງຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
| ຕົວເລືອກ | ປະເພດ | ຕ້ອງການ | ຄໍາອະທິບາຍ |
|---|---|---|---|
text |
string | ແມ່ນ | ຂໍ້ຄວາມທີ່ຈະປ່ຽນແປງ (ສູງສຸດ 5000 ຕົວອັກສອນ) |
model |
string | ບໍ່ໄດ້ | kokoro (ປັນເດີມ), piper, vits ຫຼື bark |
voice_id |
string | ບໍ່ໄດ້ | ລະຫັດສຽງຈາກ GET /v1/speech/voices/?model= |
language |
string | ບໍ່ໄດ້ | ລະຫັດພາສາ (ຕົວອ້າງອີງ: en) |
speed |
float | ບໍ່ໄດ້ | ຕົວເພີ່ມຄວາມໄວ (0.5- 2.0, ແບບເດີມ 1.0) |
format |
string | ບໍ່ໄດ້ | wav (ປັດເດີ), mp3, ogg ຫຼື flac. ແທັກ SSML ຈະຖືກເອົາອອກກ່ອນການປະສົມປະສານ. |
ຕອບໂຕ້
ລະຫັດຕົວຕົນວຽກ (uuid). ສອບຖາມ GET /v1/speech/results/?uuid= ຈົນກວ່າສະຖານະຈະສຳເລັດ ແລະ ດາວໂຫລດ result_url.
ແປຄຳເວົ້າເປັນຂໍ້ຄວາມ
/v1/transcribe/
ແປສຽງເປັນຂໍ້ຄວາມດ້ວຍເວລາທີ່ໄດ້ຕັ້ງໄວ້
ຕົວຮ້ອງຂໍ (ຫຼາຍສ່ວນ/ຂໍ້ມູນແບບຟອມ)
| ຕົວເລືອກ | ປະເພດ | ຕ້ອງການ | ຄໍາອະທິບາຍ |
|---|---|---|---|
file |
file | ແມ່ນ | ໄຟລ໌ສຽງ/ວີດີໂອທີ່ຈະແປ |
model |
string | ບໍ່ໄດ້ | ຂະຫນາດໃຫຍ່- v3 (ປັ້ນເດີມ) ຫຼື turbo |
language |
string | ບໍ່ໄດ້ | ລະຫັດພາສາ, ຫຼື ກວດພົບມັນໂດຍອັດຕະໂນມັດ (ປັນເດີມ) |
enable_word_timestamps |
bool | ບໍ່ໄດ້ | ເພີ່ມເວລາເລີ່ມຕົ້ນ ແລະ ເວລາຈົບໃຫ້ກັບຄໍາທຸກໆຄຳ |
callback_url |
string | ບໍ່ໄດ້ | URL ທີ່ຈະຮັບຜົນໂດຍ POST ເມື່ອວຽກຈົບ |
ຕອບໂຕ້
ລະຫັດຕົວຕົນວຽກ (uuid). ສອບຖາມ GET /v1/transcribe/results/?uuid= ຈົນກວ່າສະຖານະຈະສຳເລັດ; ຫຼັງຈາກນັ້ນຄຳຕອບຈະມີຂໍ້ຄວາມ, ພາສາ ແລະ ພາກ.
ແບບທີ່ມີ
ແບບແບບຂໍ້ຄວາມເປັນຄຳເວົ້າ
| លេខសម្គាល់ແບບ | ຄໍາອະທິບາຍ | ດີທີ່ສຸດ ສຳ ລັບ |
|---|---|---|
kokoro |
TTS ຫຼາຍພາສາທີ່ໄວ | ການນໍາໃຊ້ທົ່ວໄປ, ເວລາລໍຖ້າຕ່ໍາ |
piper |
TTS ພາສາຫຼາຍໆພາສາທີ່ເບົາ (ມີແຕ່ສຽງທີ່ມີໃບອະນຸຍາດທາງການຄ້າ) | ສະແດງໄວໃນພາສາ 11 ພາສາ |
vits |
LJSpeech ເພີ່ມຂຶ້ນກັບຜູ້ເວົ້າພາສາອັງກິດ 108 VCTK | ຕົວອັກສອນພາສາອັງກິດ |
bark |
Generative TTS, 130 ຕົວເລືອກກ່ອນໃນ 13 ພາສາ | ຫຼາຍແບບ, ສະແດງອອກ (ຊ້າ) |
openvoice |
ການກັ່ນຕອງສຽງ ແລະ ການປ່ຽນສຽງແບບເລືອກ | ຕົວເລືອກອື່ນສຳລັບ Chatterbox |
chatterbox |
ການກັ່ນຕອງສຽງແບບ Zero-shot ໃນ 23 ພາສາ; ແບບການປ່ຽນສຽງແບບປັບອັບ | ຖ່າຍແບບຈາກຕົວຢ່າງສັ້ນ |
Speech-to-Text Models
| លេខសម្គាល់ແບບ | ຄໍາອະທິບາຍ | ດີທີ່ສຸດ ສຳ ລັບ |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | ຄວາມຖືກຕ້ອງສູງທີ່ສຸດ, ຫຼາຍພາສາ |
whisper-turbo |
ເພີ່ມຄວາມໄວຂອງການເວົ້າໃຫ້ດີຂຶ້ນ | ແປເປັນພາສາອື່ນ |
ລະຫັດຂໍ້ຜິດພາດ
| ລະຫັດ | ສະຖານະ | ຄໍາອະທິບາຍ |
|---|---|---|
invalid_api_key |
401 | ບໍ່ມີກຸນແຈ API ຫຼື ບໍ່ຖືກຕ້ອງ |
insufficient_credits |
402 | ບໍ່ມີຄະແນນພຽງພໍສຳລັບການປະຕິບັດການນີ້ |
rate_limit_exceeded |
429 | ຄໍາຮ້ອງຂໍຫຼາຍເກີນໄປ |
invalid_request |
400 | ເນື້ອໃນຂອງຄໍາຮ້ອງຂໍບໍ່ຖືກສ້າງຂຶ້ນຢ່າງຖືກຕ້ອງ |
model_not_found |
404 | ບໍ່ມີແບບທີ່ໄດ້ຮ້ອງຂໍ |
voice_not_found |
404 | ບໍ່ມີສຽງທີ່ໄດ້ຮ້ອງຂໍ |
file_too_large |
413 | ໄຟລ໌ທີ່ໄດ້ອັບໂຫລດເກີນຂອບເຂດຂະໜາດ |
server_error |
500 | ម៉ាស៊ីនបម្រើມີកំហុសພາຍក្នុង |